Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing

La competencia entre empresas Fintech en Argentina está creciendo y el principal problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y así prevenir que abandonen la plataf...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Sierchuk, Sasha
Otros Autores: Irala, María Eugenia
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Comportamiento del Consumidor
Marketing
Predicción tecnológica
Machine Learning
Retención de clientes
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11874
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11874
record_format dspace
spelling I57-R163-20.500.13098-118742023-06-07T07:33:51Z Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing Sierchuk, Sasha Irala, María Eugenia Comportamiento del Consumidor Marketing Predicción tecnológica Machine Learning Retención de clientes La competencia entre empresas Fintech en Argentina está creciendo y el principal problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y así prevenir que abandonen la plataforma. Teniendo esta problemática en mente, el objetivo de esta tesis es desarrollar una estrategia para eficientizar el gasto en la retención de usuarios sin generar variaciones negativas en la métrica de retención. Para esto, vamos a hacer uso de técnicas de Aprendizaje Automático para poder predecir cuál es la probabilidad de que un usuario abandone la plataforma. Con esta probabilidad, vamos a probar una nueva estrategia de retención con el fin de mejorar la estrategia actual de Tap, una Fintech con principal foco en el pago de servicios. El proyecto propuesto pretende establecer una metodología de trabajo que ayude a entender el valor de los resultados de un modelo de Machine Learning en la práctica. En particular, se combinará un modelo predictivo con la implementación de herramientas de Marketing. Como resultado de este estudio, se logró generar una estrategia que resultó en un ahorro del costo de retención del 60% sin notar impactos negativos significativos en la retención. Creemos que la metodología expuesta en este trabajo no solo le agregará valor a la empresa de la cual obtuvimos los datos y con la cual trabajamos, sino que podrá ser aplicada por otras empresas similares dentro de la industria Fintech al enfrentar una problemática tan importante como es hoy la baja retención de usuarios. 2023-06-06T18:24:33Z 2023-06-06T18:24:33Z 2022 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11874 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 68 p. application/pdf application/pdf Argentina Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Comportamiento del Consumidor
Marketing
Predicción tecnológica
Machine Learning
Retención de clientes
spellingShingle Comportamiento del Consumidor
Marketing
Predicción tecnológica
Machine Learning
Retención de clientes
Sierchuk, Sasha
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
topic_facet Comportamiento del Consumidor
Marketing
Predicción tecnológica
Machine Learning
Retención de clientes
description La competencia entre empresas Fintech en Argentina está creciendo y el principal problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y así prevenir que abandonen la plataforma. Teniendo esta problemática en mente, el objetivo de esta tesis es desarrollar una estrategia para eficientizar el gasto en la retención de usuarios sin generar variaciones negativas en la métrica de retención. Para esto, vamos a hacer uso de técnicas de Aprendizaje Automático para poder predecir cuál es la probabilidad de que un usuario abandone la plataforma. Con esta probabilidad, vamos a probar una nueva estrategia de retención con el fin de mejorar la estrategia actual de Tap, una Fintech con principal foco en el pago de servicios. El proyecto propuesto pretende establecer una metodología de trabajo que ayude a entender el valor de los resultados de un modelo de Machine Learning en la práctica. En particular, se combinará un modelo predictivo con la implementación de herramientas de Marketing. Como resultado de este estudio, se logró generar una estrategia que resultó en un ahorro del costo de retención del 60% sin notar impactos negativos significativos en la retención. Creemos que la metodología expuesta en este trabajo no solo le agregará valor a la empresa de la cual obtuvimos los datos y con la cual trabajamos, sino que podrá ser aplicada por otras empresas similares dentro de la industria Fintech al enfrentar una problemática tan importante como es hoy la baja retención de usuarios.
author2 Irala, María Eugenia
author_facet Irala, María Eugenia
Sierchuk, Sasha
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Sierchuk, Sasha
author_sort Sierchuk, Sasha
title Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
title_short Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
title_full Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
title_fullStr Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
title_full_unstemmed Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
title_sort predicción de churn en fintech: una estrategia de retención integradora que utiliza algoritmos de machine learning con el objetivo de eficientizar el uso del presupuesto de marketing
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11874
work_keys_str_mv AT sierchuksasha predicciondechurnenfintechunaestrategiaderetencionintegradoraqueutilizaalgoritmosdemachinelearningconelobjetivodeeficientizarelusodelpresupuestodemarketing
_version_ 1769355028389167104

Ejemplares similares